[发明专利]根据检索关键词检索文档数据的方法及其计算机系统、计算机程序

权利要求书

1.一种根据检索关键词检索文档数据的方法，其中该文档数据与该检索关键词或者该检索关键词所相关联的关联关键词具有相关性，并且该文档数据为利用自然语言对事态的描述，上述方法使计算机执行以下步骤：

将上述文档数据分别属于用于对文档数据进行分簇或分类的簇或类的评分或概率作为第一向量进行计算的步骤；

与检索关键词被输入的情形相应地，将该检索关键词或与该检索关键词相关的关联关键词属于上述簇或类的评分或概率作为第二向量进行计算的步骤；

计算上述第一向量分别与上述第二向量的内积的步骤，其中该计算出的内积值是上述文档数据针对上述检索关键词的评分；以及

根据包含分类关键词集的各个关键词的文档数据和上述评分为预定阈值以上或者上述评分包含在上位预定比例中的文档数据而求出相关值的步骤。

2.根据权利要求1所述的方法，其特征在于，

上述相关值根据包含分类关键词集的各个关键词的文档数据的第一数据集、上述评分为预定阈值以上或上述评分包含在上位预定比例中的文档数据的第二数据集、及在该第一数据集和该第二数据集这两个数据集中都存在的文档数据的共同的数据集而求出。

3.根据权利要求2所述的方法，其特征在于，

上述相关值按照下述相关函数corr_concept(s，t)求出，

[算式1]

corrconcept(s,t)=Pconcept(s∩t)Pconcept(s)Pconcept(t)]]>式1

[算式2]

Pconcept(s)=1NΣd=documents<s|d>]]>式2

[算式3]

Pconcept(t)=1NΣd=documents<t|d>]]>式3

[算式4]

Pconcept(s∩t)=1NΣd=documents<s|d><t|d>]]>式4

在此，

s是刻面关键词，

t是检索关键词，

d是文档数据，

N是文档数据的总数，

<s|d>是∑s_i×d_i，其中，∑是关于i＝1、2、…、k的和，

<t|d>是∑t_i×d_i，其中，∑是关于i＝1、2、…、k的和，

k是簇的总数，并且是整数。